一、软件错误探测技术（论文文献综述）
柳塍[1]（2020）在《面向复杂环境的软件容错加固关键技术研究》文中进行了进一步梳理随着计算机制造工艺的快速发展,计算芯片的复杂程序大幅度提高,芯片核心部件对环境因素的影响也愈发敏感。在各类复杂环境下,计算机易受到如存储器故障、空间辐射、电源波动等因素干扰进而导致系统失效。软件数据流及控制流错误是程序故障的主要表现形式,提供软件对数据流及控制流错误的检测加固能力是提高软件可靠性的重要方法之一。因此,研究复杂环境下的软件错误检测技术具有重要的研究意义与价值。本文主要研究了面向复杂环境的软件错误检测关键技术,主要包括如下内容:SDC错误是数据流错误中危害性最高的错误之一,SDC错误通常会造成不易察觉的程序数据错误,针对SDC错误检测方法普遍存在的检测率低,性能开销高的问题,提出了基于深度随机森林的数据流错误检测方法。通过指令脆弱性特征提取,结合故障注入分析数据,建立了基于深度随机森林的指令脆弱性预测模型。该模型使用跨样本扫描技术拓展样本空间,提高特征的表征能力,使用层级森林结构提高模型预测准确率。通过基于预测的关键指令冗余,优化了程序加固过程。实验结果表明,该方法具有较高的数据流错误检测效率。控制流跳转错误主要指程序运行时的非法跳转,针对控制流错误检测方法错误类型覆盖率较低,性能开销较高的问题,提出了基于二分块的控制流错误检测算法。通过基本块控制流转移关系,设计了基本块分类方法及标签分配策略,结合二分图方法,设计了一种基本块内控制流错误检测机制。实验结果表明,在不插桩块内检错代码的情况下,该方法能够在较低的开销下具备较高错误检测率,引入基本块内检测标签后,可以在付出一定开销的情况下提高控制流错误检测效率。在上述研究的基础上,设计实现了程序加固系统。该系统基于LLVM、LLFI等平台工具,初步设计实现了面向复杂环境的程序数据流及控制流加固方法。目标程序经该系统加固后将具备针对数据流及控制流错误的检测能力。实验结果表明,该系统能够对目标程序进行有效加固,使目标程序具有检测软件错误的能力。
郑伟宁[2]（2020）在《面向辐射环境的软错误检测技术研究》文中指出由于太空辐射的作用,产生的单粒子翻转对计算机等电子设备造成的影响日益严重。单粒子翻转是指由辐射产生的高能粒子使得电子设备内部电路受到干扰,造成信息逻辑位翻转的现象。由于单粒子翻转造成的软错误具有位置随机性、高可传播性、强隐蔽性等特点,在辐射环境下如何提高卫星、飞机等星载和机载计算机的可靠性是一项挑战。因此,研究面向单粒子翻转的错误检测及加固方法具有重要的意义。论文工作深入研究了由于单粒子翻转造成的软错误的检测及加固技术。具体研究工作如下:（1）研究了单粒子翻转的损伤机理,进行二次开发,搭建了模拟单粒子翻转的故障注入工具及实验验证平台。（2）分析了指令的脆弱性及相关特征,提出了基于SDC多位脆弱性分析的数据流错误检测及加固方法。该方法可通过指令特征提取和指令识别加固两个阶段对程序自动进行加固,得到具有数据流检错能力的加固程序。使用数据流故障注入工具对该方法的性能进行了对比实验。实验结果表明,该方法具有更准确的脆弱性指令识别能力,更高的错误检错率以及更低的时空开销。（3）分析了程序控制流相关信息,提出了基于多层分段标签的控制流错误检测方法。该方法可通过对多层分段标签的更新和检查,在线检测出程序的控制流错误。我们设计了新颖的标签结构与计算方法,可降低控制流错误检测的时空开销,并具有处理复杂程序以及检测控制流错误的能力。对比实验结果表明,基于多层分段标签的控制流错误检测方法具有检错能力高,时空开销低的优点。（4）给出了数据流错误检测和控制流错误检测的综合错误检测方法,并对该方法进行了实验评估。（5）设计并初步实现了面向单粒子翻转的错误检测及加固软件。主要包含了三种错误检测加固功能:数据流错误检测功能、控制流错误检测功能和综合错误检测功能。使用单粒子故障注入工具对实现的软件进行测试。测试实验结果表明,设计并初步实现的面向单粒子翻转的错误检测及加固软件具有数据流和控制流错误检测功能,可自动实现错误检测及加固功能。
刁子恒[3]（2020）在《App网络错误收集与故障定位分析》文中认为移动设备的使用极为广泛,有多样化的设备且覆盖到生活与生产中的各个场景。在移动设备上通常运行着数?到数百个应用程序,这些应用程序简称App。许多App的使用依托用户端与服务器的通信完成功能。移动互联网的不断发展使得应用的网络通信持续增长,用户网络环境的复杂性和设备的多样性,以及App本身的工程复杂性,都会导致App在生产环境发生故障。随着App用户使用量的增大,故障发生也会非常频繁。软件开发者获取App的故障数据,是App投入生产环境后改善软件质量的源头。由于网络环境复杂,App用户端的故障数据可能无法反馈到服务器端,从而使得服务器端的监控无法可靠掌握故障数据。面对功能快速迭代的用户端业务代码,使用人工埋点的方式收集数据,会额外增加软件开发和后续维护工作量。App出错信息收集的完整性,也对故障定位产生关键性影响。此外,故障通常由多种诱因共同发生,故障数据被收集后,如何从大量、多维的数据中迅速发现显着性的问题,并定位到真实的软件质量缺陷,也是App故障分析的难题。针对App用户端情形复杂、故障数据收集难、原因定位难的问题,我们设计了一套通用的网络错误数据收集方案以及通过数据进行故障定位和预警的模型。其主要的工作和贡献有:·根据移动网络请求定制精细化、高兼容的数据收集方案,使用见证者请求分辨真实网络错误,并用混合粒度上传策略和收集节点优化使大规模用户数据及时可靠回流。·针对错误数据条目多、维度大的问题提出了故障分析模型,从海量数据中通过相关性分析自动抽象出维度与粒度并加以组合,为开发者提供软件故障归因视角。·使用基于异常检测的维度筛选和粒度演化方法,高效划分出需要关注的错误数据集,并帮助开发者定位和解决软件质量缺陷。我们通过对数据收集方案以及故障分析模型的测试,验证系统进行App故障定位的效果。我们通过数据收集方案上线后真实收集到的4万条App用户端网络错误信息,验证了数据上传策略的及时性;对收集节点进行负载测试验证了对于在某一地区日活百万的App,仅需3-4个节点即可以承载其错误收集的需求。我们通过故障分析模型对真实错误数据的分析结果,定位到了13个实际的软件质量缺陷,其中9个无法由服务端监控获知。与现有若干种基于数据的故障分析方法对比,本文的故障分析模型均发现了更多的去重后真实缺陷,其中有6个缺陷仅由故障分析模型发现。所有的软件质量缺陷都交由开发者确认,并就其中一些典型缺陷在案例分析中对模型如何定位和帮助解决该问题给出了详细的说明。我们对维度筛选和粒度演化方法下故障分析模型的运行效率进行测试,说明了模型可以被用于及时的线上预警。
赵琪[4]（2019）在《基于软硬件特征的系统失效预测模型研究及应用》文中研究指明随着计算机技术的发展,系统朝着复杂化、多样化和集成化等方向发展,系统的功能需要复杂的硬件和软件共同完成,子系统之间相互依赖,任意一个子系统发生故障都可能导致整个系统发生故障。现阶段很多传统的方法单纯地从软件或硬件角度来考虑系统失效,忽略了软硬件之间存在的复杂交互对系统的影响,且系统失效数据呈现“大数据”的特性。本文利用深度学习在特征提取和模式识别方面的潜力和优势,研究了基于软硬件特征的系统失效预测模型,对系统中的软件失效和硬件失效进行分析,综合考虑系统软硬件之间的复杂交互及故障传播,主要内容如下:首先,软件缺陷导致软件故障发生,故障引发软件失效。针对软件缺陷预测中数据集存在分类不平衡进而影响预测性能的问题,提出基于自适应重心的加权过采样算法来处理缺陷数据集。自适应重心的加权过采样算法首先为每一个少数类样本确定适当的邻域范围和邻域样本集,然后在邻域范围,利用自适应重心和邻居样本及样本自身合成新的少数类样本。同时,根据每个少数类样本自身的分布特点,为样本计算不同的采样权重。将平衡后的数据集作为堆叠降噪自编码器的输入,进行缺陷数据的特征提取和缺陷预测。实验结果表明,所提出的模型较传统的软件缺陷预测方法具有更好的预测性能。其次,硬件故障引发硬件失效。针对硬件故障诊断中传统深度置信网络模型采用全局常数型学习率,可能造成模型迭代次数的增加、影响模型诊断精度的问题,提出一种基于自适应GBRBM的深度置信网络故障诊断模型。该模型采用自适应学习策略,使用高斯伯努利受限玻尔兹曼机来处理连续型信号数据,在模型迭代过程中,根据迭代重构误差进行学习率的调整。为防止学习率的调整导致模型过拟合,在GBRBM训练过程中加入dropout策略,以一定的概率随机删除隐含层神经元。将硬件故障信号的时域特征和小波包能量特征结合,作为改进深度置信网络模型的输入进行特征提取和故障诊断,实验结果表明所提出的模型较传统故障诊断方法具有更好的诊断性能。最后,针对复杂系统失效分析往往单纯地从软件或硬件角度考虑系统失效,提出扩展Petri网,分别对软件缺陷和硬件故障以及软硬件之间的交互进行分析。在传统Petri网的基础上,重新定义表示系统软硬件的不同库所集合、逻辑关系和托肯染色规则。并利用扩展Petri网分析复杂水下作战系统失效可能的原因和故障传播路径,验证所提复杂系统失效预测模型的有效性。
王勇[5]（2018）在《基于故障上下文的轻量级软件错误定位方法研究》文中认为伴随着不断增长的软件复杂性及其普适性,程序员需要开发出高质量的软件产品。然而,软件开发人员在软件开发过程中不可避免地引入软件错误（Fault/Bug）,从而可能导致软件在运行过程中产生失效（Failure）。定位与修复这些软件错误对于提高软件质量至关重要。在传统的手工软件错误定位过程中,软件开发人员需要充分理解程序的功能、语义、结构、实现以及相关失效的表征,定位效果大多依据开发人员的经验、直觉与运气。因此,受诸多因素影响,手工的软件错误定位困难、耗时,且代价昂贵。轻量级软件错误定位方法是一种自动化软件错误定位方法,主要是指利用软件测试过程中收集的程序实体覆盖信息以及测试结果实施错误定位的一类方法。该类方法通常不需要收集复杂程序语义信息,其定位代价小、扩展性好,是学术界研究的热点。然而,该类方法的定位准确性与结果的可理解性是影响该类方法现实可用的关键。本文主要围绕轻量级软件错误定位中的定位准确性和可理解性等问题,采用轻量级的方法予以解决。结合轻量级故障上下文信息,如故障触发上下文、程序频谱中故障执行上下文以进一步提高轻量级软件错误定位结果的准确性;通过构建两阶段错误定位,以及反映故障传播上下文的加权故障传播图以支持故障理解的错误定位。主要工作包含以下几个方面:（1）针对程序频谱中可能存在不同的故障触发模式,提出一种基于故障触发模式的软件错误定位方法以提高错误程序实体的绝对排名。考虑软件运行的复杂性及错误的多样性,故障触发模式复杂且难以精确定义。该方法从软件失效的必要条件入手,给出两种基于程序频谱的故障触发模式（RIPR-a和RIPR-b）。针对该两种故障触发模式,提出不同的软件错误定位策略实施错误定位。其基本想法是当确定了特定错误程序在运行过程中所属的故障触发模式后,能排除一些不是由该故障触发模式触发且排名较高的程序实体,从而提高错误程序实体的绝对排名。在三种不同的应用场景下,验证了该方法的有效性。（2）针对轻量级软件错误定位方法仅考虑程序实体的覆盖信息与软件失效之间的相关关系,未能充分考虑程序失败运行的上下文信息,提出一种结合程序频谱故障执行上下文的轻量级错误定位方法。该方法基于程序实体的可疑度及其程序频谱故障执行上下文的可疑度进行软件错误定位。在该方法中,给出了程序频谱故障执行上下文的轻量级定义,以及结合程序实体可疑度及其故障执行上下文可疑度进行可疑错误程序实体排名列表的重排方法。实证研究结果表明,该方法能进一步提高错误程序实体的绝对排名。（3）为了提高轻量级软件错误定位的现实可用性,提出一种基于加权故障传播图的错误定位方法。在该错误定位中,首先实施模块级的错误定位,然后对每一个需要进一步验证的可疑模块构建一个加权故障传播图来实施细粒度的错误定位。考虑到故障的传播性,以及程序流图在程序理解中的重要作用,该方法首先构建程序流图,然后基于软件失败执行过程中收集的覆盖信息计算节点与边的可疑度,进一步利用边的可疑度对节点的权重进行调整,最后得到每一个节点的加权信息。实证和案例研究结果表明,该方法能进一步提高轻量级软件错误定位方法的可用性。
马琳[6]（2019）在《基于关键范围不变量的软件错误定位》文中进行了进一步梳理软件错误定位在软件调试过程中代价昂贵且耗时。随着软件规模的不断扩大,目前已经提出了许多的自动化软件错误定位方法。基于范围不变量的软件错误定位方法就是其中的一种。与其它方法相比,该方法有许多好处,但是需要训练和监控程序中的每条语句中的每个变量,所需的运行时开销较大。然而,这种开销不是必须的。因为只有一个关键变量集合才能以有意义的方式真正影响系统的结果。基于此,本文提出了一种基于关键范围不变量的软件错误定位方法。本文的方法描述如下:首先,在程序执行之前对程序的源代码进行插桩处理。然后执行插桩后的程序,通过检查实际输出结果与预期输出结果是否相同来区分成功测试用例和失败测试用例。然后删除成功测试用例中的偶然正确测试用例。其次,通过分析成功测试用例中的变量取值信息,使用关键变量筛选机制筛选出程序的关键变量集合。然后对关键变量集合中的变量进行训练,从而得到程序的关键范围不变量集合。最后,检测失败测试用例,若关键变量在失败测试用例中的取值不在其对应的关键范围不变量的范围内,则标记违规,即将该关键变量所在的语句标记为可疑语句。当我们需要最小化监控变量的开销时,可以使用该方法以忽略认为不重要的变量。本文以西门子测试集为例来验证有效性。实验结果表明,在错误定位时仅对关键变量集合进行训练和监控,仍然能保持良好的错误定位效果,同时检查的可疑语句数也有所减少。本文方法的主要贡献有:（1）在现有的范围不变量错误定位方法中增加了关键变量筛选阶段。在该阶段,采用动态与静态相结合的筛选方法对变量进行筛选,从而得到程序的关键变量集合。（2）仅使用筛选的关键变量集合进行范围不变量的训练和错误定位。在对筛选的关键变量集合进行训练时,整型变量和非数值型变量被训练成离散型不变量区间,以此来避免漏报。（3）本文方法是在不知道正确版本程序的情况下进行错误定位的。并通过开源程序集对该方法的有效性进行了验证。
齐小刚,牛红曼,刘兴成,王晓琳,刘立芳[7]（2019）在《多层信息网络故障定位综述》文中提出本文对多层网络（覆盖网、虚拟网等）故障定位问题进行了分析和总结。讨论了多层网络探测故障信息获取策略和故障定位模型的发展状况,即介绍了被动监测、主动探测、主被动结合探测和终端用户观察等探测信息获取策略,以及基于图论故障传播模型、依赖矩阵模型、症状-故障-行动模型等故障传播模型的原理以及其优缺点。从故障定位模型、探测信息获取策略、故障定位计算、网络异构性、运行效率与成本多个方面重点综述了多层网络故障定位方法,讨论了每种方法的优点和局限性。最后,对多层网络故障定位研究的不足和亟待进一步研究解决的问题进行了探讨。
赵宇粟[8]（2018）在《软件定义网络中控制和数据平面转发行为的一致性验证》文中指出传统的IP网络将控制逻辑（控制平面）分布到各个硬件转发设备（数据平面,有时也称转发平面）中,以紧耦合的方式提高了整体网络的可靠性。但随着网络规模不断扩大、网络应用不断增多,这样一种方式的弊端变得越来越明显:一是分布式的控制平面使网络运维越来越困难;二是控制平面和数据平面的紧耦合使网络创新难以实现。为此,新兴的软件定义网络（Software-defined Networking,SDN）打破了现有网络设备中垂直整合的结构,将其中的控制逻辑和底层的硬件转发设备分离开,数据平面只负责高效地流量转发,而所有的控制逻辑则由逻辑上集中式的控制器实现。同时控制器对网络管理员开放了可编程的接口,使得网络管理可以通过这些接口实现。这样的一种新型的网络架构能够获得全局的网络视角,极大地简化了网络运维的方式;同时新的网络功能和网络协议可以在控制器上通过模块化的方式添加,大大提高了网络的灵活性,加速了网络创新的实现。作为一项新兴的网络技术,SDN在实际应用中还存在很多问题。本文聚焦于其中的一个关键问题:控制平面和数据平面的转发行为可能存在不一致（以下简称不一致）,即:控制平面上的预期转发行为（desired forwarding behavior）和数据平面上的真实转发行为（actual forwarding behavior）不一致,更具体的:控制平面上网络管理员要求的网络策略（networkpolicy）,在数据平面上,没有得到网络设备真正的执行。这种不一致一般源于数据平面,例如网络设备中的软件错误和硬件失效等等;同时,这种不一致还可能造成严重的网络故障,包括某些网络地址不可达和网络性能下降等等。因此,验证控制平面和数据平面转发行为的一致性是有必要的。而验证该一致性,通常需要三个步骤:（1）测量数据平面的转发行为;（2）探测控制平面和数据平面转发行为的不一致（即比较两种转发行为是否一致）;（3）定位控制平面和数据平面转发行为的不一致。本文基于上述的三个步骤,主要包含以下四部分工作。首先,本文的第一部分工作聚焦于测量:以被动测量的方式去获取数据平面的转发行为。考虑到测量方法的实用性,我们选择了交换机普遍都能支持的sFlow作为被动测量的数据源。考虑到实时性,我们采用了现有的流式处理框架作为海量数据处理的工具。但sFlow采样的机制仍然会使测量变得困难:其一在于sFlow可能在某条数据流的路径上漏采了,那么基于采样的数据,该数据流的路径会是缺失的;其二在于数据流速率的估计一般会采用简单扩展（simple scaling）的方法,该方法在样本数量较少时,误差很大,而现实中,sFlow的采样率是不高的,因此,数据流速率的估计会不准确。为此,针对数据流的路径,我们提出了拓扑信息辅助下的路径计算算法（Topology-assisted Path Computation,Tapco）;针对数据流的速率,我们提出了结合数据分组包头信息的方法去提高数据流速率估计的准确度。其次,本文的第二部分工作结合测量和定位:在已知存在控制平面和数据平面转发行为不一致的情况下,通过测量探针的packet history（分组历史）,去定位该不一致引起的网络故障。每当不一致引起的网络故障发生时,会有一些数据分组受其影响。如果我们能够获取那些数据分组在网络中具体的传播过程,我们就可以对网络故障进行感知。我们将一个数据分组在网络中具体的传播过程称之为该数据分组的packet history（PH,分组历史）,即该数据分组在传播过程中匹配到的规则（rule）以及匹配前后的包头状态。基于此,我们首先在边缘交换机上注入探针去模拟受影响的数据分组,其次去获取探针的PH,最后针对PH进行分析去定位不一致的具体位置。我们实现了获取探针PH的具体方法,并在一个小型的网络中验证了用PH去定位不一致的可行性。再次,本文的第三部分工作结合全部的三个步骤,系统性地提出了基于规则验证（rule verification）的一致性检测方法。由网络设备中的软件错误和硬件失效造成的不一致通常会表现为规则的失效,因此,通过验证每一条规则的有效性,我们就可以验证控制平面和数据平面转发行为的一致性。过去的大部分工作都基于端到端的探针探测（end-to-end probing）,这种方式的缺陷在于无法及时地定位不一致发生的具体位置。利用在SDN中普遍存在的带外信道,单跳探针探测（per hop probing）的方式成为可能,这种方式可以在规则级别（rule level）上去比较控制平面的预期转发行为和数据平面的真实转发行为,从而对每一条规则进行验证。为此,针对单个网络设备,我们将其抽象成一棵带状态的多根树（Stateful Multi-Rooted Tree,SMRT）,通过遍历该多根树,就可以生成少量的探针去覆盖该设备中的所有规则。我们实现了相应的原型系统,并对探针生成的性能做了测试,同时也在一个小型的网络环境中验证了我们方法的有效性。最后,本文的第四部分工作是第三个工作的拓展。在上一个工作中,我们可以了解到探针的生成在整个规则验证的过程中扮演了很重要的角色,但之前的探针生成方法还存在两个明显的不足:一是单个网络设备式的探针生成会产生额外的探针,如果从全网的角度去考虑,这些额外的探针是可以被避免的;二是不断的网络变化会带来不停的规则更新,如果每遇到一次规则的更新,就要重新生成一次探针,这无疑是既浪费时间也浪费资源的,因此,针对规则的更新,增量式的探针生成方法是有必要的。基于此,我们将上一个研究内容中的SMRT模型推广到全网,称为带状态的有向无圈图（stateful Directed Acyclic Graph,sDAG）,并在该网络模型的基础上提出了两种探针生成的方法去解决上述两个不足:一是离线的快速探针生成方法（Fast Probe Generation,FPG）,二是在线的增量式探针生成方法（incremental FPG,iFPG）。实验证明,FPG在探针计算时间和生成数量上优于现有的其他方法,iFPG优于其他非增量式的方法（包括FPG在内）。
徐迟[9]（2018）在《方法级别的软件错误定位方法研究》文中认为目前,软件开发领域的发展非常迅速,软件的规模也日益增大,各类应用软件的质量、性能要求也越来越严格。为了保证大规模软件的质量,人们提出了许多自动化的错误定位的方法,来辅助程序员对软件进行调试。然而,目前软件错误定位方法的研究大多是针对程序语句级别的,但是语句级别的错误定位的精度还不是很高,一旦定位失败,程序员就无法确定bug语句的具体位置。针对上述问题,本文完成了如下工作:首先,通过抽象语法树对待测程序进行了方法级别和语句级别的程序插桩。再通过执行插桩后的程序,得到相应待测程序的执行路径（方法的调用序列和语句的执行序列）。其次,实现了O方法和关联分析方法这两种基于程序谱的错误定位方法,并且和传统的Tarantula错误定位方法对比分析。实验表明,本文实现的两种基于程序谱的错误定位方法对于方法级别的定位效果要优于Tarantula方法。然后,本文还实现了基于加权软件行为图的方法级别错误定位方法,与基于程序谱的方法不同的是,加权软件行为图可以将待测程序复杂的执行路径更简洁地表现出来。然后对软件行为图进行挖掘,得到方法的错误签名列表。实验表明,该方法相比于基于程序谱的方法,在方法级别错误定位精度上也有相应地提高。此外,还使用了方法调用图来提高方法级别定位的精度,并且提出了审查开销系数这一指标来表示方法级别定位的效率。最后,对于本文的三种错误定位方法,都提出了通过语句级别的定位结果来分析方法级别的定位结果的方法,同时和Tarantula进行了对比。实验表明,这种分析方法也可以增加错误定位的效率。
吴进波[10]（2018）在《动力锂电池制造工程风险管理研究》文中提出近年来随着化石能源的短缺和环境污染的问题日益突出,加快推进清洁能源的幵发利用,实现节能减排,对亟待解决的能源环境问题,推动社会的可持续发展具有非同一般的重大意义。全球在低碳经济、环境保护的呼声下,纯电动汽车迎来了产业变革的风口。当作为核心零件的动力锂电池迈进大跃进时代,动力锂电池的安全性引发行业和社会的思考。本文将着眼于SV公司动力锂电池制造工程,探讨锂电池制造风险管理的最佳答案。本文通过分析动力锂电池制造工程的特点,结合工程的根本目标,分析工程的典型风险事件,并以此为基础,参考PFMEA的流程建立动力锂电池制造工程的风险管理系统,完成失效模式清单的识别整理、风险因子（严重度、发生频度、探测度）的分析评估、最终风险的评估排序、风险措施的应对及措施结果的跟踪反馈。本文也将创新性地对PFMEA流程进行补充和完善,一方面对PFMEA传统RPN（风险顺序数）阈值法用于最终风险评估的质疑,计划采取更为科学的风险矩阵进行替代;另一方面,通过分析总结,对持续改善的PFMEA模型进行搭建,以期成为公司工程管理体系的一套标准,并推广至整个动力锂电池制造行业。
二、软件错误探测技术（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、软件错误探测技术（论文提纲范文）
（1）面向复杂环境的软件容错加固关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 注释表 |
| 缩略词 |
| 第一章 绪论 |
| 1.1 课题背景与研究意义 |
| 1.2 软错误检测技术概述 |
| 1.2.1 软件错误原理概述 |
| 1.2.2 错误检测技术概述 |
| 1.3 国内外研究现状 |
| 1.3.1 数据流错误检错技术 |
| 1.3.2 控制流错误检测技术 |
| 1.4 论文研究工作 |
| 1.5 论文组织结构 |
| 第二章 面向复杂环境的软件容错加固系统的总体设计 |
| 2.1 软件容错加固系统的功能需求分析 |
| 2.2 软件容错加固系统关键技术分析 |
| 2.3 软件容错加固系统的总体架构设计 |
| 2.3.1 软件容错加固系统的系统架构设计 |
| 2.3.2 软件容错加固系统的逻辑架构设计 |
| 2.3.3 软件容错加固系统的总体流程设计 |
| 2.4 本章小结 |
| 第三章 基于深度随机森林的数据流错误检测方法 |
| 3.1 数据流错误检测问题 |
| 3.2 基于深度随机森林的错误检测框架 |
| 3.2.1 基于深度随机森林的错误检测框架 |
| 3.2.2 指令SDC脆弱性分析 |
| 3.2.3 指令特征分析 |
| 3.2.4 指令SDC脆弱性预测模型 |
| 3.2.5 指令冗余策略 |
| 3.3 基于深度随机森林的错误检测算法实验 |
| 3.3.1 实验设计 |
| 3.3.2 指令SDC脆弱性预测实验 |
| 3.3.3 数据流错误检测实验 |
| 3.4 本章小结 |
| 第四章 基于二分块的控制流错误检测机制 |
| 4.1 控制流错误检测问题 |
| 4.1.1 相关定义 |
| 4.1.2 控制流错误检测问题描述 |
| 4.2 控制流错误检测机制设计 |
| 4.2.1 基本块分类 |
| 4.2.2 基本块标签设计 |
| 4.2.3 基本块内控制流错误检测 |
| 4.2.4 基本块间控制流错误检测 |
| 4.3 检测能力分析 |
| 4.4 控制流错误检测实验与结果分析 |
| 4.4.1 实验设计 |
| 4.4.2 控制流错误检测实验结果分析 |
| 4.5 本章小结 |
| 第五章 面向复杂环境的软件容错加固系统的实现 |
| 5.1 软件容错加固系统实现概述 |
| 5.2 数据结构设计 |
| 5.3 核心功能模块实现 |
| 5.3.1 相关工具介绍 |
| 5.3.2 加固系统类设计 |
| 5.3.3 程序核心模块实现 |
| 5.4 程序加固系统性能测试与分析 |
| 5.4.1 实验设计 |
| 5.4.2 系统评估分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 进一步研究工作 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（2）面向辐射环境的软错误检测技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题背景与研究意义 |
| 1.1.1 太空辐射引发的单粒子效应 |
| 1.1.2 单粒子翻转问题与软错误 |
| 1.1.3 论文研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 错误检测技术的分类 |
| 1.2.2 数据流错误检错技术 |
| 1.2.3 控制流错误检测技术 |
| 1.3 论文研究工作 |
| 1.4 论文组织结构 |
| 第二章 面向单粒子翻转的错误检测及加固软件的总体设计 |
| 2.1 SEDHS-SEU软件的功能需求分析 |
| 2.2 SEDHS-SEU软件的总体架构设计 |
| 2.3 SEDHS-SEU软件的总体流程设计 |
| 2.4 关键技术分析 |
| 2.5 本章小结 |
| 第三章 基于SDC多位脆弱性分析的数据流错误检测及加固方法 |
| 3.1 数据流错误检测理论 |
| 3.1.1 单粒子多位翻转 |
| 3.1.2 典型单粒子单位翻转检测方案分析 |
| 3.1.3 单粒子多位翻转检测方案分析 |
| 3.2 高SDC多位脆弱性指令识别 |
| 3.2.1 相关定义 |
| 3.2.2 高多位SDC脆弱性指令识别模型 |
| 3.2.3 参数优化 |
| 3.2.4 模型训练样本选择 |
| 3.3 指令特征提取 |
| 3.3.1 提取指令传播性特征 |
| 3.3.2 提取指令固有性特征 |
| 3.4 基于SDC多位脆弱性分析的数据流错误检测及加固方法 |
| 3.4.1 数据流错误检测算法 |
| 3.4.2 指令加固策略设计 |
| 3.4.3 数据流错误检测与加固方案 |
| 3.4.4 实例 |
| 3.5 实验与结果分析 |
| 3.5.1 实验设计 |
| 3.5.2 数据流故障注入平台构建 |
| 3.5.3 I_(ecSDC)指令识别性能实验及结果分析 |
| 3.5.4 数据流错误检测实验结果分析 |
| 3.6 本章小结 |
| 第四章 基于多层分段标签的控制流错误检测方法 |
| 4.1 控制流错误检测理论 |
| 4.1.1 相关定义 |
| 4.1.2 传统的控制流错误检测技术 |
| 4.2 多层分段标签控制流错误检测方案设计 |
| 4.2.1 基本块按层次划分规则 |
| 4.2.2 多层分段标签分配规则 |
| 4.3 多层分段标签控制流错误检测算法 |
| 4.4 多层分段标签控制流错误检测算法实验 |
| 4.4.1 实验设计 |
| 4.4.2 控制流故障注入平台构建 |
| 4.4.3 控制流方法评估实验及结果分析 |
| 4.5 本章小结 |
| 第五章 SEDHS-SEU软件的实现 |
| 5.1 软件实现概述 |
| 5.1.1 软件实现环境 |
| 5.1.2 软件功能实现 |
| 5.2 软件相关数据结构设计 |
| 5.3 软件关键模块的实现 |
| 5.3.1 数据流错误检测及加固模块的实现 |
| 5.3.2 控制流错误检测及加固模块的实现 |
| 5.4 综合错误检测及加固方法 |
| 5.5 测试实验及分析 |
| 5.5.1 实验设计 |
| 5.5.2 摸拟单粒子翻转故障注入工具 |
| 5.5.3 软件测试实验与分析 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 进一步研究工作 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（3）App网络错误收集与故障定位分析（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外相关研究和工作 |
| 1.2.1 移动端信息收集 |
| 1.2.2 故障分析与监控 |
| 1.2.3 异常检测算法 |
| 1.3 本文结构 |
| 第二章 背景 |
| 2.1 移动互联网 |
| 2.1.1 移动网络设施 |
| 2.1.2 HTTP协议与请求错误 |
| 2.2 错误数据捕获方法 |
| 2.2.1 软件开发工具接入 |
| 2.2.2 Android字节码插桩技术 |
| 2.3 本章小结 |
| 第三章 系统设计 |
| 3.1 移动网络请求场景 |
| 3.2 大规模错误数据故障分析场景 |
| 3.3 系统整体设计 |
| 3.3.1 数据收集分类 |
| 3.3.2 数据上传与存储策略设计 |
| 3.3.3 故障分析流程设计 |
| 3.4 本章小结 |
| 第四章 数据收集链路设计与实现 |
| 4.1 移动应用端收集 |
| 4.1.1 HTTP请求各阶段耗时收集 |
| 4.1.2 使用见证者请求的HTTP错误识别 |
| 4.1.3 基于安装ID的用户识别与环境信息收集 |
| 4.1.4 混合粒度的数据缓存及发送 |
| 4.2 基于微服务的数据接收模块 |
| 4.2.1 数据可扩展性要求 |
| 4.2.2 可靠性保证 |
| 4.2.3 服务端性能优化 |
| 4.2.4 分布式实现 |
| 4.3 本章小结 |
| 第五章 故障分析预警设计与实现 |
| 5.1 维度处理阶段 |
| 5.1.1 脏数据清理 |
| 5.1.2 维度分组与聚合 |
| 5.2 迭代优化的特征模型选取 |
| 5.2.1 维度组合表构建 |
| 5.2.2 数据归一化 |
| 5.2.3 异常检测执行 |
| 5.2.4 维度筛选标准 |
| 5.2.5 粒度演化方法 |
| 5.3 基于模型结果的预警 |
| 5.3.1 短时段的突发故障预警 |
| 5.3.2 长时段的趋势性故障预警 |
| 5.4 本章小结 |
| 第六章 评估测试 |
| 6.1 评估方法 |
| 6.1.1 评估使用的数据集 |
| 6.1.2 评估的测试环境 |
| 6.2 收集端评估测试 |
| 6.2.1 及时性测试 |
| 6.2.2 可靠性测试 |
| 6.3 故障分析与预警测试 |
| 6.3.1 故障定位与归因测试 |
| 6.3.2 线上预警能力测试 |
| 6.4 故障定位实例分析 |
| 6.4.1 特定版本上的兼容性问题 |
| 6.4.2 区域性网络连接问题 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 现有工作总结 |
| 7.2 不足与展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间申请的专利 |
（4）基于软硬件特征的系统失效预测模型研究及应用（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容和方法 |
| 1.3.1 主要研究内容 |
| 1.3.2 研究方法和技术路线 |
| 第二章 系统失效相关关键技术 |
| 2.1 复杂系统失效相关理论 |
| 2.1.1 复杂系统失效 |
| 2.1.2 复杂系统失效分析技术 |
| 2.2 软件缺陷预测相关理论 |
| 2.2.1 软件缺陷 |
| 2.2.2 软件缺陷预测技术 |
| 2.2.3 预测评价指标 |
| 2.3 硬件故障诊断相关理论 |
| 2.3.1 故障诊断 |
| 2.3.2 故障诊断技术 |
| 2.3.3 诊断评价指标 |
| 2.4 本章小结 |
| 第三章 基于自适应重心的加权过采样软件缺陷预测模型 |
| 3.1 类不平衡处理算法 |
| 3.2 基于自适应重心的ACWO算法 |
| 3.2.1 基于自适应重心的过采样 |
| 3.2.2 考虑样本分布特点的加权过采样 |
| 3.2.3 基于自适应重心的加权过采样算法的实现 |
| 3.3 基于ACWO算法的软件缺陷预测模型 |
| 3.3.1 缺陷预测模型框架 |
| 3.3.2 堆叠降噪自编码器神经网络 |
| 3.4 实验设置与结果分析 |
| 3.4.1 实验数据集 |
| 3.4.2 实验设置 |
| 3.4.3 实验结果分析 |
| 3.5 本章小结 |
| 第四章 基于自适应GBRBM的深度置信网络硬件故障诊断模型 |
| 4.1 深度置信网络 |
| 4.1.1 受限玻尔兹曼机 |
| 4.1.2 DBN结构与训练 |
| 4.2 基于自适应GBRBM的深度置信网络 |
| 4.2.1 基于自适应学习率的GBRBM |
| 4.2.2 考虑dropout策略的自适应GBRBM |
| 4.3 基于自适应GBRBM的深度置信网络故障诊断模型 |
| 4.4 实验设置与结果分析 |
| 4.4.1 实验数据集 |
| 4.4.2 实验设置 |
| 4.4.3 结果分析 |
| 4.5 本章小结 |
| 第五章 基于扩展Petri网的复杂系统失效预测模型及应用 |
| 5.1 现有的复杂系统失效分析 |
| 5.2 综合软硬件失效的扩展Petri网分析模型(SHCPN) |
| 5.2.1 SHCPN模型定义 |
| 5.2.2 SHCPN模型规则 |
| 5.3 复杂系统失效预测实例分析 |
| 5.3.1 水下作战系统简介 |
| 5.3.2 水下作战系统的SHCPN模型建立与分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的论文 |
（5）基于故障上下文的轻量级软件错误定位方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 缩略词 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 错误定位方法的分类 |
| 1.2.2 重量级错误定位方法 |
| 1.2.3 轻量级软件错误定位方法 |
| 1.3 研究内容 |
| 1.3.1 主要着眼点 |
| 1.3.2 论文的主要贡献 |
| 1.4 论文结构安排 |
| 第二章 基于故障上下文的轻量级软件错误定位基础 |
| 2.1 基本定义 |
| 2.2 故障上下文及其分析 |
| 2.2.1 RIPR模型 |
| 2.2.2 基于RIPR模型的故障上下文 |
| 2.2.3 基于RIPR的故障检测方法分析 |
| 2.3 轻量级软件错误定位框架 |
| 2.3.1 问题描述 |
| 2.3.2 相关假设 |
| 2.3.3 轻量级软件错误定位算法 |
| 2.3.4 错误定位的有效性度量 |
| 2.4 故障上下文对改进轻量级错误定位的启示 |
| 2.5 本章小结 |
| 第三章 基于故障触发模式的软件错误定位方法 |
| 3.1 引言 |
| 3.2 程序频谱中的故障触发上下文及其动机示例 |
| 3.2.1 程序频谱中的故障触发上下文 |
| 3.2.2 研究动机示例 |
| 3.3 基于故障触发模式的错误定位 |
| 3.3.1 RIPR-(?)模式下错误定位策略 |
| 3.3.2 RIPR-(?)模式下错误定位策略 |
| 3.4 实验结果及分析 |
| 3.4.1 实验对象及有效性度量 |
| 3.4.2 故障触发场景的流行度分析 |
| 3.4.3 RIPR-(?)模式下的错误定位有效性分析 |
| 3.4.4 RIPR-(?)模式下的错误定位有效性分析 |
| 3.4.5 不确定故障触发模式下的错误定位方法有效性分析 |
| 3.5 讨论 |
| 3.6 本章小结 |
| 第四章 结合程序频谱故障执行上下文的错误定位方法 |
| 4.1 引言 |
| 4.2 程序频谱故障执行上下文及其动机示例 |
| 4.2.1 程序频谱故障执行上下文 |
| 4.2.2 研究动机示例 |
| 4.3 结合程序频谱的故障执行上下文的定位框架 |
| 4.3.1 程序实体的可疑度度量 |
| 4.3.2 故障执行上下文的可疑度度量 |
| 4.3.3 错误排名列表生成 |
| 4.3.4 算法复杂度分析 |
| 4.4 实验结果及分析 |
| 4.4.1 实验设计 |
| 4.4.2 总体有效性分析 |
| 4.4.3 不同上下文规模下的有效性分析 |
| 4.4.4 不同可疑度度量方法下的有效性分析 |
| 4.4.5 与现有的方法的相关性分析 |
| 4.5 讨论 |
| 4.6 本章小结 |
| 第五章 基于加权故障传播图的软件错误定位方法 |
| 5.1 引言 |
| 5.2 错误定位相关图模型概述 |
| 5.2.1 概率程序依赖图 |
| 5.2.2 加权系统依赖图 |
| 5.3 加权故障传播图 |
| 5.3.1 传播图模型的定义 |
| 5.3.2 加权信息计算 |
| 5.3.3 加权故障传播图的可视化 |
| 5.3.4 加权故障传播图的示例说明 |
| 5.4 基于加权故障传播图的错误定位框架 |
| 5.5 实验结果及分析 |
| 5.5.1 实验设置 |
| 5.5.2 不同程序频谱粒度实施错误模块定位比较 |
| 5.5.3 基于WFPG的错误定位有效性分析 |
| 5.5.4 支持错误理解的WFPG方法案例研究 |
| 5.6 本章小结 |
| 第六章 结束语 |
| 6.1 本文的主要工作 |
| 6.2 进一步的研究工作 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（6）基于关键范围不变量的软件错误定位（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 软件错误定位研究现状 |
| 1.2.2 程序不变量研究现状 |
| 1.3 本文主要研究内容 |
| 1.4 论文组织结构 |
| 2 方法概览 |
| 3 范围不变量错误定位方法介绍 |
| 3.1 程序插桩 |
| 3.1.1 手动插桩 |
| 3.1.2 基于语法树的插桩 |
| 3.2 删除偶然正确测试用例 |
| 3.3 范围不变量训练 |
| 3.4 范围不变量错误定位 |
| 3.5 本章小结 |
| 4 基于关键范围不变量的错误定位方法 |
| 4.1 关键变量筛选 |
| 4.1.1 动态过滤机制I |
| 4.1.2 动态过滤机制II |
| 4.1.3 静态约简机制 |
| 4.2 关键范围不变量训练 |
| 4.3 关键范围不变量错误定位 |
| 4.4 本章小结 |
| 5 实验 |
| 5.1 监控的变量数 |
| 5.2 检查的可疑语句数 |
| 5.3 定位到错误的版本数 |
| 5.4 实验小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读学位期间的研究成果49致致谢 |
| 致 谢 |
（8）软件定义网络中控制和数据平面转发行为的一致性验证（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要符号对照表 |
| 第一章 绪论 |
| 1.1 课题研究背景 |
| 1.1.1 软件定义网络 |
| 1.1.2 控制和数据平面转发行为的不一致问题 |
| 1.2 相关问题的国内外研究现状 |
| 1.2.1 数据平面转发行为的测量 |
| 1.2.2 控制和数据平面转发行为的一致性验证 |
| 1.3 本文的主要研究工作和结构安排 |
| 第二章 利用sFlow实时测量数据平面的转发行为 |
| 2.1 本章引言 |
| 2.1.1 背景和动机分析 |
| 2.1.2 问题和技术挑战 |
| 2.1.3 目标和贡献描述 |
| 2.2 相关研究工作 |
| 2.3 数据平面转发行为的测量方法 |
| 2.3.1 数据流路径的推断 |
| 2.3.2 数据流速率的估计 |
| 2.4 原型系统的设计与实现 |
| 2.4.1 设计概览 |
| 2.4.2 具体实现 |
| 2.5 实验评估 |
| 2.5.1 仿真实验 |
| 2.5.2 数据流速率估计的准确率 |
| 2.5.3 真实数据中心网络上的验证实验 |
| 2.5.4 开销分析 |
| 2.6 本章小结 |
| 第三章 利用packet history定位控制和数据平面转发行为的不一致 |
| 3.1 本章引言 |
| 3.1.1 背景和动机分析 |
| 3.1.2 问题和技术挑战 |
| 3.1.3 目标和贡献描述 |
| 3.2 相关研究工作 |
| 3.3 Packet history的获取方法 |
| 3.3.1 OpenFlow环境下packet history的获取 |
| 3.3.2 Packet history获取方法的理论验证 |
| 3.4 原型系统的设计与实现 |
| 3.5 定位控制和数据平面转发行为不一致的一般过程 |
| 3.6 实验评估 |
| 3.6.1 实验准备 |
| 3.6.2 典型案例分析 |
| 3.6.3 开销分析 |
| 3.7 本章小结 |
| 第四章 基于规则验证的控制和数据平面转发行为一致性检测 |
| 4.1 本章引言 |
| 4.1.1 背景和动机分析 |
| 4.1.2 间题和技术挑战 |
| 4.1.3 目标和贡献描述 |
| 4.2 相关研究工作 |
| 4.2.1 端到端的方法 |
| 4.2.2 单跳的方法 |
| 4.3 规则验证的基本流程 |
| 4.4 网络设备的模型:带状态的多根树 |
| 4.5 单台网络设备中探针的生成 |
| 4.5.1 探针生成的问题描述 |
| 4.5.2 路径的生成 |
| 4.5.3 探针的计算 |
| 4.6 转发行为的计算和比较 |
| 4.6.1 预期转发行为的计算 |
| 4.6.2 转发行为的比较 |
| 4.7 系统框架的实现 |
| 4.7.1 原型系统的实现 |
| 4.7.2 数据平面的配置 |
| 4.8 原型系统的实验评估 |
| 4.8.1 探针生成的性能测试 |
| 4.8.2 典型案例分析 |
| 4.8.3 开销分析 |
| 4.9 相关讨论 |
| 4.10 本章小结 |
| 第五章 全网规则验证中的探针生成优化 |
| 5.1 本章引言 |
| 5.1.1 背景和动机分析 |
| 5.1.2 问题和技术挑战 |
| 5.1.3 目标和贡献描述 |
| 5.2 相关研究工作 |
| 5.3 网络模型:带状态的有向无圈图 |
| 5.4 问题描述和算法框架设计 |
| 5.5 离线的快速探针生成方法FPG |
| 5.5.1 路径生成算法 |
| 5.5.2 探针的计算 |
| 5.6 在线的增量式快速探针生成方法iFPG |
| 5.6.1 规则的插入 |
| 5.6.2 规则的删除 |
| 5.6.3 规则的修改 |
| 5.7 探针生成方法的性能测试 |
| 5.7.1 FPG的性能测试 |
| 5.7.2 iFPG的性能测试 |
| 5.8 相关讨论 |
| 5.9 本章小结 |
| 第六章 总结和展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
| 攻读学位期间参与的项目 |
（9）方法级别的软件错误定位方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究的目的与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 软件错误定位的国外研究现状 |
| 1.2.2 软件错误定位的国内研究现状 |
| 1.3 课题研究的主要内容及章节安排 |
| 第2章 方法级别程序插桩技术 |
| 2.1 程序插桩技术 |
| 2.2 抽象语法树 |
| 2.3 方法级别的程序插桩技术 |
| 2.3.1 方法级别插桩和语句级别插桩的区别 |
| 2.3.2 方法级别插桩的流程 |
| 2.3.3 获取方法信息 |
| 2.4 本章小结 |
| 第3章 基于程序谱的方法级别错误定位方法 |
| 3.1 错误定位相关问题 |
| 3.2 基于方法级统计的方法级别错误定位 |
| 3.2.1 方法的整体流程 |
| 3.2.2 实例分析 |
| 3.3 OPTIMALRANKING方法级错误定位方法 |
| 3.3.1 OptimalRanking方法的整体流程 |
| 3.3.2 OptimalRanking方法的提出 |
| 3.3.3 可疑度公式及实例分析 |
| 3.4 基于关联分析的方法级错误定位方法 |
| 3.4.1 关联分析方法的整体流程 |
| 3.4.2 关联分析的相关定义 |
| 3.4.3 关联分析在软件错误定位上的应用 |
| 3.4.4 排序规则 |
| 3.4.5 实例分析 |
| 3.5 实验分析 |
| 3.5.1 实验数据 |
| 3.5.2 评价指标 |
| 3.5.3 错误定位实验结果分析 |
| 3.6 本章小结 |
| 第4章 基于加权软件行为图的方法级别错误定位方法 |
| 4.1 方法的整体思路 |
| 4.2 基于方法级统计的方法级别错误定位 |
| 4.3 基于加权软件行为图的方法级错误定位 |
| 4.3.1 加权软件行为图的构造 |
| 4.3.2 错误签名的识别 |
| 4.4 基于方法调用图的方法级错误定位 |
| 4.5 实验分析 |
| 4.5.1 实验数据和评价指标 |
| 4.5.2 错误定位实验结果分析 |
| 4.6 本章小结 |
| 第5章 方法级别错误定位原型系统的设计与测试 |
| 5.1 实验环境 |
| 5.2 系统设计 |
| 5.3 系统的功能测试 |
| 5.4 系统的性能测试 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（10）动力锂电池制造工程风险管理研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状综述 |
| 1.3 研究内容与方法 |
| 第二章 SV公司动力锂电池制造工程概述 |
| 2.1 SV公司新能源汽车的现状及战略方向 |
| 2.2 动力锂电池制造工程介绍 |
| 2.3 动力锂电池制造工程的风险管理内容 |
| 2.4 小结 |
| 第三章 动力锂电池工程风险识别与分析 |
| 3.1 动力锂电池制造工程风险识别 |
| 3.1.1 PFMEA小组的建立 |
| 3.1.2 失效模式清单的整理 |
| 3.2 动力锂电池工程风险因子的分析与评估 |
| 3.2.1 失效模式后果及其严重度评估 |
| 3.2.2 失效模式起因分析及控制预防 |
| 3.2.3 失效模式发生频度的评估 |
| 3.2.4 失效模式探测度的评估 |
| 3.3 最终风险评估 |
| 3.3.1 风险顺序数RPN与风险矩阵图的取舍 |
| 3.3.2 评估风险等级 |
| 3.4 小结 |
| 第四章 动力锂电池制造工程的风险应对与监控 |
| 4.1 基于PFMEA的风险应对 |
| 4.1.1 严重度控制措施 |
| 4.1.2 发生频度控制措施 |
| 4.1.3 探测度控制措施 |
| 4.2 技术及供应风险的应对 |
| 4.2.1 技术风险应对 |
| 4.2.2 供应风险应对 |
| 4.3 风险监控系统的建立 |
| 4.3.1 过程控制计划 |
| 4.3.2 PFMEA持续改善及成效 |
| 4.4 小结 |
| 第五章 总结与反思 |
| 5.1 总结 |
| 5.2 不足及展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的学术论文 |
四、软件错误探测技术（论文参考文献）
- [1]面向复杂环境的软件容错加固关键技术研究[D]. 柳塍. 南京航空航天大学, 2020(07)
- [2]面向辐射环境的软错误检测技术研究[D]. 郑伟宁. 南京航空航天大学, 2020(07)
- [3]App网络错误收集与故障定位分析[D]. 刁子恒. 上海交通大学, 2020(01)
- [4]基于软硬件特征的系统失效预测模型研究及应用[D]. 赵琪. 南京航空航天大学, 2019(02)
- [5]基于故障上下文的轻量级软件错误定位方法研究[D]. 王勇. 南京航空航天大学, 2018(01)
- [6]基于关键范围不变量的软件错误定位[D]. 马琳. 浙江理工大学, 2019(06)
- [7]多层信息网络故障定位综述[J]. 齐小刚,牛红曼,刘兴成,王晓琳,刘立芳. 智能系统学报, 2019(01)
- [8]软件定义网络中控制和数据平面转发行为的一致性验证[D]. 赵宇粟. 上海交通大学, 2018(03)
- [9]方法级别的软件错误定位方法研究[D]. 徐迟. 哈尔滨工业大学, 2018(01)
- [10]动力锂电池制造工程风险管理研究[D]. 吴进波. 上海交通大学, 2018(01)